Introducere în deep learning cu PyTorch

Introducere în Deep Learning cu PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Deep learning este peste tot!

Ilustrație cu mai multe limbi în jurul unui glob

Introducere în Deep Learning cu PyTorch

Deep learning este peste tot!

Ilustrație cu mai multe limbi în jurul unui glob și o mașină autonomă

Introducere în Deep Learning cu PyTorch

Deep learning este peste tot!

Ilustrație cu mai multe limbi în jurul unui glob, o mașină autonomă și diagnostic medical

Introducere în Deep Learning cu PyTorch

Deep learning este peste tot!

Ilustrație cu mai multe limbi în jurul unui glob, o mașină autonomă și diagnostic medical

Introducere în Deep Learning cu PyTorch

Ce este deep learning?

Diagramă tip ceapă reprezentând deep learning ca subset al machine learning

Diagramă a unei rețele neuronale mici

Introducere în Deep Learning cu PyTorch

Ce este deep learning?

Diagramă tip ceapă reprezentând deep learning ca subset al machine learning

Diagramă a unei rețele neuronale cu mai multe straturi

Introducere în Deep Learning cu PyTorch

Rețele de deep learning

$$

  • Inspirat din modul în care învață creierul uman

Ilustrație cu o persoană care studiază creierul

Introducere în Deep Learning cu PyTorch

Rețele de deep learning

$$

  • Inspirat din modul în care învață creierul uman
  • Neuroni ➡ rețele neuronale
  • Modelele necesită volume mari de date
  • Cel puțin 100.000 de puncte de date

Ilustrație cu o persoană care studiază creierul, cu accent pe neuroni

Introducere în Deep Learning cu PyTorch

PyTorch: un framework de deep learning

$$

$$

  • Unul dintre cele mai populare framework-uri
  • Dezvoltat inițial de Meta AI, acum parte din Linux Foundation
  • Intuitiv și ușor de utilizat
  • Similarități cu NumPy

 

Logo-ul PyTorch

Introducere în Deep Learning cu PyTorch

Tensori PyTorch

$$

  • Tensor:
    • Similar cu un array sau o matrice
    • Bloc de bază al rețelelor neuronale

$$

import torch

my_list = [[1, 2, 3], [4, 5, 6]]
tensor = torch.tensor(my_list)
print(tensor)

tensor([[1, 2, 3],
        [4, 5, 6]])
Introducere în Deep Learning cu PyTorch

Atributele tensorilor

  • Forma tensorului
my_list = [[1, 2, 3], [4, 5, 6]]
tensor = torch.tensor(my_list)
print(tensor.shape)

torch.Size([2, 3])
  • Tipul de date al tensorului
print(tensor.dtype)

torch.int64
Introducere în Deep Learning cu PyTorch

Primii pași cu operațiile pe tensori

Forme compatibile

a = torch.tensor([[1, 1], 
                  [2, 2]])

b = torch.tensor([[2, 2], 
                  [3, 3]])
  • Adunare / scădere
print(a + b)

tensor([[3, 3],
        [5, 5]])

Forme incompatibile

a = torch.tensor([[1, 1], 
                  [2, 2]])

c = torch.tensor([[2, 2, 4], 
                  [3, 3, 5]])
  • Adunare / scădere
print(a + c)

RuntimeError: The size of tensor a
(2) must match the size of tensor b (3) 
at non-singleton dimension 1
Introducere în Deep Learning cu PyTorch

Înmulțire element cu element

a = torch.tensor([[1, 1], 
                  [2, 2]])
b = torch.tensor([[2, 2], 
                  [3, 3]])
print(a * b)

tensor([[2,  2],
        [6, 6]])
Introducere în Deep Learning cu PyTorch

Înmulțirea matricelor

Înmulțirea matricelor

Introducere în Deep Learning cu PyTorch

Înmulțirea matricelor

Înmulțirea matricelor evidențiată

$$

  • $1 \cdot 2 + 1 \cdot 3 = 5$

$$

  • Adunare și înmulțire pentru procesarea datelor și identificarea tiparelor
Introducere în Deep Learning cu PyTorch

Să exersăm!

Introducere în Deep Learning cu PyTorch

Preparing Video For Download...